
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
pd.set_option('display.max_columns', None)

df = pd.read_csv('./dataset/cars_train.csv', sep='\t', encoding='utf_16')


display(df.head(5))
print(f'Tamanho do dataset: {df.shape}')

Tamanho do dataset: (29584, 29)


df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 29584 entries, 0 to 29583
Data columns (total 29 columns):
 #   Column                   Non-Null Count  Dtype  
---  ------                   --------------  -----  
 0   id                       29584 non-null  object 
 1   num_fotos                29407 non-null  float64
 2   marca                    29584 non-null  object 
 3   modelo                   29584 non-null  object 
 4   versao                   29584 non-null  object 
 5   ano_de_fabricacao        29584 non-null  int64  
 6   ano_modelo               29584 non-null  float64
 7   hodometro                29584 non-null  float64
 8   cambio                   29584 non-null  object 
 9   num_portas               29584 non-null  int64  
 10  tipo                     29584 non-null  object 
 11  blindado                 29584 non-null  object 
 12  cor                      29584 non-null  object 
 13  tipo_vendedor            29584 non-null  object 
 14  cidade_vendedor          29584 non-null  object 
 15  estado_vendedor          29584 non-null  object 
 16  anunciante               29584 non-null  object 
 17  entrega_delivery         29584 non-null  bool   
 18  troca                    29584 non-null  bool   
 19  elegivel_revisao         29584 non-null  bool   
 20  dono_aceita_troca        21922 non-null  object 
 21  veiculo_único_dono       10423 non-null  object 
 22  revisoes_concessionaria  9172 non-null   object 
 23  ipva_pago                19659 non-null  object 
 24  veiculo_licenciado       15906 non-null  object 
 25  garantia_de_fábrica      4365 non-null   object 
 26  revisoes_dentro_agenda   5910 non-null   object 
 27  veiculo_alienado         0 non-null      float64
 28  preco                    29584 non-null  float64
dtypes: bool(3), float64(5), int64(2), object(19)
memory usage: 6.0+ MB


df.describe().T


# Verificando se há ids duplicados
df.id.duplicated().sum()

0


# Funções auxiliares

# Pintar de laranja os maiores valores
def highlight_max(element):
    is_max = (element == element.max())
    return ['background: darkorange' if cell == True else '' for cell in is_max]

# Pintar de azul os menores valores
def highlight_min(element):
    is_min = (element == element.min())
    return ['background: royalblue' if cell == True else '' for cell in is_min]

# Agrega o preço pela feature especificada, apresenta algumas estatísticas da feature
def agg_preco(data, feature):    
    agg_df = data.groupby(feature).agg({'preco': ['count', 'sum', 'mean', 'std', 'min', 'max']}) \
        .preco.sort_values('sum', ascending=False).round(2) \
        .style.apply(highlight_max).apply(highlight_min)
    return agg_df


# num_fotos
print(f'Quantidade de nulos em `num_fotos`: {df.num_fotos.isna().sum()} ({df.num_fotos.isna().sum()/df.shape[0] * 100:.2f}%)')
# Verificando a distribuição de número de fotos
display(
    df.num_fotos.value_counts() \
        .reset_index().sort_values('index') \
        .rename(columns={'index':'num_fotos', 'num_fotos':'quantidade'}).set_index('num_fotos').T
)

Quantidade de nulos em `num_fotos`: 177 (0.60%)


df['num_fotos'] = df.num_fotos.fillna(0).astype(int)


# Plotagem do gráfico
plt.figure(figsize=(7, 5))
ax = sns.countplot(df.sort_values('num_fotos'), x='num_fotos', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.ylabel('Contagem')
plt.xlabel('Número de fotos')
plt.title('Contagem por número de fotos')
plt.show()


agg_preco(df, 'num_fotos')


plt.figure(figsize=(10, 5))
ax = sns.boxplot(df,
    x='num_fotos', y='preco')
plt.xlabel('Número de fotos')
plt.ylabel('Preços')
plt.title('Boxplot dos preços por número de fotos')
plt.show()


# Verificando a quantidade de veículos por marca em uma data frame horizontal
print('Quantidade de veículos vendidos por marca')
display(df.marca.value_counts().to_frame().T.rename(index={'marca': 'quantidade'}))

Quantidade de veículos vendidos por marca


# Plotagem do gráfico
plt.figure(figsize=(10, 8))
ax = sns.countplot(df.sort_values('marca'), y='marca', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Número de veículos')
plt.ylabel('Marca')
plt.title('Número de veículos por marca')
plt.show()


print('Top 10 modelos mais vendidos')

display(
    df[['marca', 'modelo']].value_counts().to_frame().rename(columns={0: 'quantidade'}).head(10)
)

Top 10 modelos mais vendidos


print('Top 10 marcas com mais modelos diferentes de carros')

display(
    df.groupby(['marca']).modelo.nunique().sort_values(ascending=False).to_frame().head(10)
)

Top 10 marcas com mais modelos diferentes de carros


print('Top 10 modelos com mais versões diferentes')

display(
    df.groupby(['marca', 'modelo']).versao.nunique().sort_values(ascending=False).to_frame().head(10)
)

Top 10 modelos com mais versões diferentes


# Marca
agg_preco(df, 'marca')


plt.figure(figsize=(15, 10))
ax = sns.barplot(df.groupby('marca').preco.mean().reset_index(), x='preco', y='marca', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Preço')
plt.ylabel('Marca')
plt.title('Média de preços por marca')
plt.show()


print(f'Número de nulos da variável `ano_de_fabricacao`: {df.ano_de_fabricacao.isna().sum()}')

print('-'*64)

print('Top 10 anos com mais veículos vendidos')
display(
    df.value_counts('ano_de_fabricacao').head(10)
)

print('-'*64)

print('Venda dos últimos 10 anos')
display(
    df.value_counts('ano_de_fabricacao', sort=False).tail(10)
)

Número de nulos da variável `ano_de_fabricacao`: 0
----------------------------------------------------------------
Top 10 anos com mais veículos vendidos

ano_de_fabricacao
2020    4729
2017    4369
2019    3880
2018    3820
2021    2614
2013    2443
2014    2221
2016    1822
2015    1753
2012     509
dtype: int64

----------------------------------------------------------------
Venda dos últimos 10 anos

ano_de_fabricacao
2013    2443
2014    2221
2015    1753
2016    1822
2017    4369
2018    3820
2019    3880
2020    4729
2021    2614
2022      37
dtype: int64


plt.figure(figsize=(16,9))
ax = sns.countplot(df, x='ano_de_fabricacao', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.ylabel('Contagem')
plt.xlabel('Ano de fabricação')
plt.xticks(rotation=90)
plt.title('Contagem por ano de fabricação')
plt.show()


agg_preco(df, 'ano_de_fabricacao')


plt.figure(figsize=(16, 5))
ax = sns.boxplot(df, x='ano_de_fabricacao', y='preco')
plt.xlabel('Ano de fabricação')
plt.xticks(rotation=90)
plt.ylabel('Preço')
plt.title('Boxplot dos preços por ano de fabricação')
plt.show()


print(f'Número de nulos: {df.ano_modelo.isna().sum()}')

print('-'*64)

print('Top 10 anos com mais veículos vendidos')
display(
    df.value_counts('ano_modelo').head(10)
)

print('-'*64)

print('Vendas dos 10 últimos anos')
display(
    df.value_counts('ano_modelo', sort=False).tail(10)
)

Número de nulos: 0
----------------------------------------------------------------
Top 10 anos com mais veículos vendidos

ano_modelo
2021.0    5071
2017.0    4519
2018.0    4221
2019.0    3587
2020.0    3541
2015.0    2386
2014.0    2377
2013.0    1212
2016.0     890
2022.0     829
dtype: int64

----------------------------------------------------------------
Vendas dos 10 últimos anos

ano_modelo
2014.0    2377
2015.0    2386
2016.0     890
2017.0    4519
2018.0    4221
2019.0    3587
2020.0    3541
2021.0    5071
2022.0     829
2023.0      15
dtype: int64


df['ano_modelo'] = df.ano_modelo.astype(int)


plt.figure(figsize=(8, 5))
ax = sns.countplot(df, x='ano_modelo', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.ylabel('Contagem')
plt.xlabel('Ano do modelo')
plt.xticks(rotation=90)
plt.title('Contagem por ano do modelo')
plt.show()


agg_preco(df, 'ano_modelo')


plt.figure(figsize=(10, 5))
sns.boxplot(df, x='ano_modelo', y='preco')
plt.xlabel('Ano modelo')
plt.ylabel('Preço')
plt.title('Boxplot de preços por ano modelo')
plt.show()


# Selecionando apenas os veículos que possuem ano de fabricacao menor que 1997
df[df.ano_de_fabricacao < 1997].sort_values('ano_de_fabricacao').head()


# Diferença entre o ano_modelo e ano_de_fabricacao
df['diferenca_ano'] = df.ano_modelo - df.ano_de_fabricacao

display(
    df.value_counts('diferenca_ano').sort_index()
)

diferenca_ano
0     12119
1     14177
2      1767
3       334
4       130
5       119
6        88
7        71
8        62
9        63
10       78
11       80
12       87
13       82
14       68
15       69
16       58
17       40
18       36
19       18
20       15
21       11
22        7
23        4
28        1
dtype: int64


agg_preco(df, 'diferenca_ano')


# Valores de hodômetro
plt.figure(figsize=(7, 5))
sns.histplot(df, x='hodometro')
plt.xlabel('Hodômetro')
plt.ylabel('Contagem')
# plt.xticks(np.arange(0, 400000, 20_000))
plt.minorticks_on()
plt.title('Histograma para varíavel `hodometro`')
plt.show()


plt.figure(figsize=(7, 5))
sns.boxplot(df, y='hodometro')
plt.ylabel('Hodômetro')
plt.title('Boxplot para varíavel `hodometro`')
plt.show()


# Verificando os outliers do hodômetro
df.sort_values('hodometro', ascending=False).head(5)


plt.figure(figsize=(7, 5))
sns.regplot(df, x='hodometro', y='preco', line_kws={'color':'red'})
plt.xlabel('Hodômetro')
plt.ylabel('Preço')
plt.title('Relação Hodômetro x Preço com linha de regressão linear')
plt.show()


plt.figure(figsize=(7, 5))
sns.histplot(x=df['hodometro'].apply(np.log10))
plt.xlabel('Log10(Hodômetro)')
plt.ylabel('Contagem')
plt.title('Histograma para `log10(hodometro)`')
plt.show()


plt.figure(figsize=(7, 5))
sns.regplot(x=df['hodometro'].apply(np.log10), y=df['preco'], line_kws={'color':'red'})
plt.xlabel('Log10(Hodômetro)')
plt.ylabel('Preço')
plt.title('Relação Log10(Hodômetro) x Preço com linha de regressão linear')
plt.show()


# Variável `cambio`

# Número de nulos
print(f'Número de nulos na variável cambio: {df.cambio.isna().sum()}')

display(
    df.value_counts('cambio').to_frame().rename(columns={0: 'quantidade'}).T
)

plt.figure(figsize=(12, 5))
ax = sns.countplot(df.sort_values('cambio'), x='cambio', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.ylabel('Contagem')
plt.xlabel('Câmbio')
plt.title('Contagem de veículos por tipo de câmbio')
plt.show()

Número de nulos na variável cambio: 0


agg_preco(df, 'cambio')


plt.figure(figsize=(10, 5))
sns.boxplot(df, y='cambio', x='preco')
plt.ylabel('Câmbio')
plt.xlabel('Preço')
plt.title('Boxplot dos preços por tipo de câmbio')
plt.xticks(np.arange(0, 1400001, 100000))
plt.grid(True, axis='x')
plt.show()


df[(df.versao.str.contains('AUTOM')) & (df.cambio.str.contains('Manual'))][['marca', 'modelo', 'versao', 'cambio']]


df[(df.versao.str.contains('MANUAL')) & (~df.cambio.str.contains('Manual'))][['marca', 'modelo', 'versao', 'cambio']]


df1 = df.copy()

# Criando uma coluna nova para substituir a coluna de tipos original

# Verificando quando as substring são encontradas na coluna de versao
automatica = df.versao.str.contains('AUTOM').map({True: 'Automática', False: ''}).to_list()
manual = df.versao.str.contains('MANUAL').map({True: 'Manual', False: ''}).to_list()

# inicializando a lista e concatenando cada uma das listas elemento a elemento
cambios_novos = []
for cambio_autom, cambio_manual, cambio_original in zip(automatica, manual, df.cambio.to_list()):
    # Caso alguma das substrings seja encontrada, vamos concatenar ela ao elemento da lista de tipos
    if (cambio_autom != '') | (cambio_manual != ''):
        cambios_novos.append(cambio_autom + cambio_manual)
    # Caso não seja encontrado nenhuma das substrings verificadas acima, adicione o item original da coluna tipo
    else:
        cambios_novos.append(cambio_original)

cambios_novos

df1['cambio'] = cambios_novos


plt.figure(figsize=(10, 5))
sns.boxplot(df1, y='cambio', x='preco')
plt.ylabel('Câmbio')
plt.xlabel('Preço')
plt.title('Boxplot dos preços por tipo de câmbio')
plt.xticks(np.arange(0, 1400001, 100000))
plt.grid(True, axis='x')
plt.show()


print('Dados originais')
display(
    agg_preco(df, 'cambio')
)

print('Dados alterados')
display(
    agg_preco(df1, 'cambio')
)

Dados originais

Dados alterados


# Variável `num_portas`

print(f'Número de nulos na variável `num_portas`: {df.num_portas.isna().sum()}')

display(
    df.value_counts('num_portas').to_frame().rename(columns={0: 'quantidade'}).T
)

plt.figure(figsize=(5, 5))
ax = sns.countplot(df.sort_values('num_portas'), x='num_portas', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.ylabel('Contagem')
plt.xlabel('Número de portas')
plt.title('Contagem de veículos por número de portas')
plt.show()

Número de nulos na variável `num_portas`: 0


# Vamos verificar os carros com 3 portas
df[df.num_portas == 3].head()


df[df.modelo == 'STRADA'].value_counts(['versao', 'num_portas']).to_frame().reset_index().sort_values('versao').head()


agg_preco(df, 'num_portas')


plt.figure(figsize=(10, 5))
sns.boxplot(df, x='num_portas', y='preco')
plt.ylabel('Câmbio')
plt.xlabel('Número de portas')
plt.title('Boxplot dos preços por número de portas')
plt.show()


nportas = df.groupby(['marca', 'modelo', 'num_portas']).agg({'preco': ['median']}).preco.reset_index()

pd.pivot(nportas[nportas.modelo.duplicated(keep=False)], index=['marca', 'modelo'], columns=['num_portas'], values=['median']) \
    .style.apply(highlight_max, axis=1)


# Variável `tipo`

# Nulos
print(f'Número de nulos da variável `tipo`: {df.tipo.isna().sum()}')

# Contagem
display(
    df.value_counts('tipo').to_frame().T
)

plt.figure(figsize=(10, 5))
ax = sns.countplot(df, x='tipo', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Tipo de veículo')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por tipo')
plt.show()

Número de nulos da variável `tipo`: 0


# Printando o data frame para as colunas com SEDAN
def highlight_sedan(value):
    if 'SEDAN' in str(value):
        return 'background-color: green'
    else:
        return ''

df[df.modelo == 'KA'][['marca', 'versao', 'tipo']] \
    .sort_values('versao').drop_duplicates() \
    .style.applymap(highlight_sedan)


# SEDAN
print(f"Número de veículos sedan que não estão classificados corretamente: \
{df[(df.versao.str.contains('SEDAN')) & (df.tipo != 'Sedã')].shape[0]}")
# Data frame
display(
    df[(df.versao.str.contains('SEDAN')) & (df.tipo != 'Sedã')][['marca', 'modelo', 'versao', 'tipo']]
)

print('-'*64)

# HATCH
print(f"Número de veículos hatch que não estão classificados corretamente: \
{df[(df.versao.str.contains('HATCH')) & (df.tipo != 'Hatchback')].shape[0]}")
# Data frame
display(
    df[(df.versao.str.contains('HATCH')) & (df.tipo != 'Hatchback')][['marca', 'modelo', 'versao', 'tipo']]
)

print('-'*64)

print(f"Número de veículos coupês que não estão classificados corretamente: \
{df[(df.versao.str.contains('COUP')) & (df.tipo != 'Cupê')].shape[0]}")

display(
    df[df.versao.str.contains('COUP') & (df.tipo != 'Cupê')][['marca', 'modelo', 'versao', 'tipo']]
)

Número de veículos sedan que não estão classificados corretamente: 112

----------------------------------------------------------------
Número de veículos hatch que não estão classificados corretamente: 9

----------------------------------------------------------------
Número de veículos coupês que não estão classificados corretamente: 281


df[df.versao.str.contains(' CS | CD | CE ')][['marca', 'modelo',]].drop_duplicates().sort_values(['marca', 'modelo'])


df[df.modelo.str.contains('ZAFIRA|ASTRA|OMEGA')][['marca', 'modelo', 'versao']].drop_duplicates().sort_values(['marca', 'modelo', 'versao'])


# Quantidade de veículos por tipo dos veículos que deveriam ser considerados como picapes
df[(df.versao.str.contains(' CS | CD | CE ')) & (df.modelo != 'ZAFIRA') & (df.modelo != 'ASTRA') & (df.modelo != 'OMEGA')]['tipo'].value_counts()

Picape                  2655
Hatchback                424
Sedã                     127
Cupê                       6
Utilitário esportivo       2
Name: tipo, dtype: int64


# Criando uma coluna nova para substituir a coluna de tipos original

# Verificando quando as substring são encontradas na coluna de versao
hatch = df.versao.str.contains('HATCH').map({True: 'Hatchback', False: ''}).to_list()
coupe = df.versao.str.contains('COUP').map({True: 'Cupê', False: ''}).to_list()
sedan = df.versao.str.contains('SEDAN').map({True: 'Sedã', False: ''}).to_list()
picape = ((df.versao.str.contains(' CS | CD | CE ')) & (df.modelo != 'ZAFIRA') & (df.modelo != 'ASTRA') & (df.modelo != 'OMEGA')).map({True: 'Picape', False: ''}).to_list()

# inicializando a lista e concatenando cada uma das listas elemento a elemento
tipos_novos = []
for car_h, car_c, car_s, car_p, tipo in zip(hatch, coupe, sedan, picape, df.tipo.to_list()):
    # Caso alguma das substrings seja encontrada, vamos concatenar ela ao elemento da lista de tipos
    if (car_h != '') | (car_c != '') | (car_s != '') | (car_p != ''):
        tipos_novos.append(car_h + car_c + car_s + car_p )
    # Caso não seja encontrado nenhuma das substrings verificadas acima, adicione o item original da coluna tipo
    else:
        tipos_novos.append(tipo)

tipos_novos

df1['tipo'] = tipos_novos


# No data frame original, verificar apenas as linhas que foram alteradas
display(
    df[((df1.tipo == df.tipo) == False)][['marca', 'modelo', 'versao', 'tipo']]
)

print(f'Foram alterados {df[((df1.tipo == df.tipo) == False)].shape[0]} tipos de veículos.')

Foram alterados 961 tipos de veículos.


# Comparando os dados originais e os alterados
print('Dados originais')
display(
    agg_preco(df, 'tipo')
)

print('Dados alterados')
display(
    agg_preco(df1, 'tipo')
)

Dados originais

Dados alterados


# Variável `blindado`

# Nulos
print(f'Número de nulos da variável `blindado`: {df.blindado.isna().sum()}')

# Contagem
display(
    df.value_counts('blindado').to_frame().T
)

plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='blindado', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `blindado`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `blindado`')
plt.show()

Número de nulos da variável `blindado`: 0


df['blindado'] = df.blindado.map({'N': False, 'S': True})


agg_preco(df, 'blindado')


plt.figure(figsize=(5, 5))
sns.boxplot(df, x='blindado', y='preco')
plt.xlabel('É blindado')
plt.ylabel('Preço')
plt.title('Boxplot dos preços dos carros blindados ou não')
plt.show()


# Variável `cor`

# Nulos
print(f'Número de nulos da variável `cor`: {df.cor.isna().sum()}')

# Contagem
display(
    df.value_counts('cor').to_frame().T
)

Número de nulos da variável `cor`: 0


plt.figure(figsize=(7, 5))
ax = sns.countplot(df, x='cor', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `cor`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `cor`')
plt.show()


agg_preco(df, 'cor')


plt.figure(figsize=(8, 5))
sns.boxplot(df, x='cor', y='preco', palette=['white', 'dimgray', 'silver', 'darkgray', 'green', 'red', 'gold'])
plt.xlabel('Cor do veículo')
plt.ylabel('Preço')
plt.title('Boxplot dos preços dos carros pela cor')
plt.show()


# Variável `tipo_vendedor`

# Nulos
print(f'Número de nulos da variável `tipo_vendedor`: {df.tipo_vendedor.isna().sum()}')

# Contagem
display(
    df.value_counts('tipo_vendedor').to_frame().T
)

Número de nulos da variável `tipo_vendedor`: 0


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='tipo_vendedor', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.ylabel('Variável `tipo_vendedor`')
plt.xlabel('Contagem')
plt.title('Contagem de veículos por variável `tipo_vendedor`')
plt.show()


df['tipo_vendedor'] = df.tipo_vendedor.map({'PJ': True, 'PF': False})
df.rename(columns={'tipo_vendedor':'vendedor_PJ'}, inplace=True)


agg_preco(df, 'vendedor_PJ')


plt.figure(figsize=(8, 5))
sns.boxplot(df, x='vendedor_PJ', y='preco')
plt.xlabel('Vendedor é PJ?')
plt.ylabel('Preço')
plt.title('Boxplot dos preços dos carros pelo tipo de vendedor')
plt.show()


# Variável `cidade_vendedor`

# Nulos
print(f'Número de nulos da variável `cidade_vendedor`: {df.cidade_vendedor.isna().sum()}')

print('-'*64)

print('Top 10 cidades com mais vendas')
display(
    df.value_counts('cidade_vendedor').to_frame().head(10)
)

Número de nulos da variável `cidade_vendedor`: 0
----------------------------------------------------------------
Top 10 cidades com mais vendas


# Variável `estado_vendedor`

# Nulos
print(f'Número de nulos da variável `estado_vendedor`: {df.estado_vendedor.isna().sum()}')

print('-'*64)

print('Top 10 estados com mais vendas')

# Contagem
display(
    df.value_counts('estado_vendedor').to_frame().head(10)
)

Número de nulos da variável `estado_vendedor`: 0
----------------------------------------------------------------
Top 10 estados com mais vendas


plt.figure(figsize=(12, 5))
ax = sns.countplot(df.sort_values('estado_vendedor'), y='estado_vendedor', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.ylabel('Variável `estado_vendedor`')
plt.xlabel('Contagem')
plt.title('Contagem de veículos por variável `estado_vendedor`')
plt.show()


# Agrupando as principais estatísticas por estado
agg_preco(df, 'estado_vendedor')


plt.figure(figsize=(10, 6))
sns.boxplot(df.sort_values('estado_vendedor'), y='estado_vendedor', x='preco', color='lightcoral')
plt.xlabel('Preço')
plt.ylabel('Estado do vendedor')
plt.title('Vendas por estado')
plt.show()


agg_preco(df, 'anunciante')


# Variável `anunciante`

# Nulos
print(f'Número de nulos da variável `anunciante`: {df.anunciante.isna().sum()}')

# Contagem
display(
    df.value_counts('anunciante').to_frame().T
)

plt.figure(figsize=(10, 5))
ax = sns.countplot(df, x='anunciante', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `anunciante`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `anunciante`')
plt.show()

Número de nulos da variável `anunciante`: 0


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='anunciante')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `anunciante`')
plt.show()


plt.figure(figsize=(9, 5))
ax = sns.boxplot(df, y='preco', x='anunciante')
plt.xlabel('Variável `anunciante`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `anunciante`')
plt.show()


# Variável `entrega_delivery`

# Nulos
print(f'Número de nulos da variável `entrega_delivery`: {df.entrega_delivery.isna().sum()}')

# Contagem
display(
    df.value_counts('entrega_delivery').to_frame().T
)

Número de nulos da variável `entrega_delivery`: 0


agg_preco(df, 'entrega_delivery')


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='entrega_delivery', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `entrega_delivery`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `entrega_delivery`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='entrega_delivery')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `entrega_delivery`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='entrega_delivery')
plt.xlabel('Variável `entrega_delivery`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `entrega_delivery`')
plt.show()


# Variável `troca`

# Nulos
print(f'Número de nulos da variável `troca`: {df.troca.isna().sum()}')

# Contagem
display(
    df.value_counts('troca').to_frame().T
)

Número de nulos da variável `troca`: 0


agg_preco(df, 'troca')


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='troca', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `troca`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `troca`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='troca')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `troca`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='troca')
plt.xlabel('Variável `troca`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `troca`')
plt.show()


# Variável `elegivel_revisao`

# Nulos
print(f'Número de nulos da variável `elegivel_revisao`: {df.elegivel_revisao.isna().sum()}')

# Contagem
display(
    df.value_counts('elegivel_revisao').to_frame().T
)

Número de nulos da variável `elegivel_revisao`: 0


# Variável `dono_aceita_troca`

# Nulos
print(f'Número de nulos da variável `dono_aceita_troca`: {df.dono_aceita_troca.isna().sum()}')

# Contagem
display(
    df.value_counts('dono_aceita_troca').to_frame().T
)

Número de nulos da variável `dono_aceita_troca`: 7662


# Trocando a varíavel para booleana
df['dono_aceita_troca'] = df.dono_aceita_troca.notnull()


agg_preco(df, 'dono_aceita_troca')


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='dono_aceita_troca', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `dono_aceita_troca`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `dono_aceita_troca`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='dono_aceita_troca')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `dono_aceita_troca`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='dono_aceita_troca')
plt.xlabel('Variável `dono_aceita_troca`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `dono_aceita_troca`')
plt.show()


# Variável `veiculo_único_dono`

# Nulos
print(f'Número de nulos da variável `veiculo_único_dono`: {df.veiculo_único_dono.isna().sum()}')

# Contagem
display(
    df.value_counts('veiculo_único_dono').to_frame().T
)

Número de nulos da variável `veiculo_único_dono`: 19161


# Trocando a varíavel para booleana
df['veiculo_único_dono'] = df.veiculo_único_dono.notnull()


df.groupby('veiculo_único_dono') \
    .agg({'preco': ['count', 'mean', 'median', 'std']}) \
    .preco.style.apply(highlight_max)


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='veiculo_único_dono', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `veiculo_único_dono`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `veiculo_único_dono`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='veiculo_único_dono')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `veiculo_único_dono`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='veiculo_único_dono')
plt.xlabel('Variável `veiculo_único_dono`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `veiculo_único_dono`')
plt.show()


# Variável `revisoes_concessionaria`

# Nulos
print(f'Número de nulos da variável `revisoes_concessionaria`: {df.revisoes_concessionaria.isna().sum()}')

# Contagem
display(
    df.value_counts('revisoes_concessionaria').to_frame().T
)

Número de nulos da variável `revisoes_concessionaria`: 20412


# Trocando a varíavel para booleana
df['revisoes_concessionaria'] = df.revisoes_concessionaria.notnull()


df.groupby('revisoes_concessionaria') \
    .agg({'preco': ['count', 'mean', 'median', 'std']}) \
    .preco.style.apply(highlight_max)


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='revisoes_concessionaria', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `revisoes_concessionaria`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `revisoes_concessionaria`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='revisoes_concessionaria')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `revisoes_concessionaria`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='revisoes_concessionaria')
plt.xlabel('Variável `revisoes_concessionaria`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `revisoes_concessionaria`')
plt.show()


# Variável `ipva_pago`

# Nulos
print(f'Número de nulos da variável `ipva_pago`: {df.ipva_pago.isna().sum()}')

# Contagem
display(
    df.value_counts('ipva_pago').to_frame().T
)

Número de nulos da variável `ipva_pago`: 9925


# Trocando a varíavel para booleana
df['ipva_pago'] = df.ipva_pago.notnull()


df.groupby('ipva_pago') \
    .agg({'preco': ['count', 'mean', 'median', 'std']}) \
    .preco.style.apply(highlight_max)


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='ipva_pago', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `ipva_pago`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `ipva_pago`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='ipva_pago')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `ipva_pago`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='ipva_pago')
plt.xlabel('Variável `ipva_pago`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `ipva_pago`')
plt.show()


# Variável `veiculo_licenciado`

# Nulos
print(f'Número de nulos da variável `veiculo_licenciado`: {df.veiculo_licenciado.isna().sum()}')

# Contagem
display(
    df.value_counts('veiculo_licenciado').to_frame().T
)

Número de nulos da variável `veiculo_licenciado`: 13678


# Trocando a varíavel para booleana
df['veiculo_licenciado'] = df.veiculo_licenciado.notnull()


df.groupby('veiculo_licenciado') \
    .agg({'preco': ['count', 'mean', 'median', 'std']}) \
    .preco.style.apply(highlight_max)


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='veiculo_licenciado', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `veiculo_licenciado`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `veiculo_licenciado`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='veiculo_licenciado')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `veiculo_licenciado`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='veiculo_licenciado')
plt.xlabel('Variável `veiculo_licenciado`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `veiculo_licenciado`')
plt.show()


# Variável `garantia_de_fábrica`

# Nulos
print(f'Número de nulos da variável `garantia_de_fábrica`: {df.garantia_de_fábrica.isna().sum()}')

# Contagem
display(
    df.value_counts('garantia_de_fábrica').to_frame().T
)

Número de nulos da variável `garantia_de_fábrica`: 25219


# Trocando a varíavel para booleana
df['garantia_de_fábrica'] = df.garantia_de_fábrica.notnull()


df.groupby('garantia_de_fábrica') \
    .agg({'preco': ['count', 'mean', 'median', 'std']}) \
    .preco.style.apply(highlight_max)


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='garantia_de_fábrica', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `garantia_de_fábrica`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `garantia_de_fábrica`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='garantia_de_fábrica')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `garantia_de_fábrica`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='garantia_de_fábrica')
plt.xlabel('Variável `garantia_de_fábrica`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `garantia_de_fábrica`')
plt.show()


# Variável `revisoes_dentro_agenda`

# Nulos
print(f'Número de nulos da variável `revisoes_dentro_agenda`: {df.revisoes_dentro_agenda.isna().sum()}')

# Contagem
display(
    df.value_counts('revisoes_dentro_agenda').to_frame().T
)

Número de nulos da variável `revisoes_dentro_agenda`: 23674


# Trocando a varíavel para booleana
df['revisoes_dentro_agenda'] = df.revisoes_dentro_agenda.notnull()


df.groupby('revisoes_dentro_agenda') \
    .agg({'preco': ['count', 'mean', 'median', 'std']}) \
    .preco.style.apply(highlight_max)


plt.figure(figsize=(5, 5))
ax = sns.countplot(df, x='revisoes_dentro_agenda', color='lightcoral')
ax.bar_label(ax.containers[0])
plt.xlabel('Variável `revisoes_dentro_agenda`')
plt.ylabel('Contagem')
plt.title('Contagem de veículos por variável `revisoes_dentro_agenda`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.histplot(df, x='preco', hue='revisoes_dentro_agenda')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma de preço dos veículos por variável `revisoes_dentro_agenda`')
plt.show()


plt.figure(figsize=(5, 5))
ax = sns.boxplot(df, y='preco', x='revisoes_dentro_agenda')
plt.xlabel('Variável `revisoes_dentro_agenda`')
plt.ylabel('Preço')
plt.title('Boxplot de preço dos veículos por variável `revisoes_dentro_agenda`')
plt.show()


# Variável `veiculo_alienado`

# Nulos
print(f'Número de nulos da variável `veiculo_alienado`: {df.veiculo_alienado.isna().sum()}')

# Contagem
display(
    df.value_counts('veiculo_alienado').to_frame().T
)

Número de nulos da variável `veiculo_alienado`: 29584


# Variável `preco`

# Nulos
print(f'Número de nulos da variável `preco`: {df.preco.isna().sum()}')

plt.figure(figsize=(12, 5))
ax = sns.histplot(df, x='preco')
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma dos preços dos veículos')
plt.show()

Número de nulos da variável `preco`: 0


display(df.sort_values('preco').head())


display(df.sort_values('preco', ascending=False).head())


plt.figure(figsize=(12, 5))
ax = sns.histplot(x=df['preco'].apply(np.log10))
plt.xlabel('Preço')
plt.ylabel('Contagem')
plt.title('Histograma dos preços dos veículos')
plt.show()


top10_marcas_populares = df.marca.value_counts().head(10).reset_index()
display(top10_marcas_populares)
top10_marcas_populares = top10_marcas_populares['index'].to_list()


df[df.marca.isin(top10_marcas_populares)] \
    .groupby('estado_vendedor') \
    .agg({'preco':['count','mean', 'median', 'std', 'min', 'max']}) \
    .preco.sort_values('median', ascending=False).head(10) \
    .style.apply(highlight_max)


marcas_populares = df.groupby('marca').agg({'preco': ['count', 'median']}).preco.sort_values('median').reset_index()
marcas_populares.head(10)


display(marcas_populares[marcas_populares['count'] > 200].head(10))

top10_marcas_populares = marcas_populares[marcas_populares['count'] > 200].head(10).marca


df[df.marca.isin(top10_marcas_populares)] \
    .groupby('estado_vendedor') \
    .agg({'preco':['count','mean', 'median', 'std', 'min', 'max']}) \
    .preco.sort_values('median', ascending=False).head(10) \
    .style.apply(highlight_max)


plt.figure(figsize=(7, 7))
sns.boxplot(df[df.marca.isin(top10_marcas_populares)], y='estado_vendedor', x='preco')
plt.show()


picapes_automaticas = df[(df.tipo == 'Picape') & (df.cambio == 'Automática')]
picapes_automaticas.head()


picapes_automaticas.groupby('estado_vendedor') \
    .agg({'preco': ['count', 'mean', 'median', 'std', 'min', 'max']}) \
    .preco.sort_values('median').style\
    .apply(highlight_min)


sns.boxplot(picapes_automaticas, y='estado_vendedor', x='preco')

<Axes: xlabel='preco', ylabel='estado_vendedor'>


df[df.garantia_de_fábrica == True]\
    .groupby('estado_vendedor') \
    .agg({'preco': ['count', 'mean', 'median', 'std', 'min', 'max']}) \
    .preco.sort_values('median').style.apply(highlight_min)


df = df[['id', 'num_fotos', 'marca', 'modelo', 'versao', 'ano_de_fabricacao',
       'ano_modelo', 'hodometro', 'cambio', 'num_portas', 'tipo', 'blindado',
       'cor', 'vendedor_PJ', 'cidade_vendedor', 'estado_vendedor',
       'anunciante', 'entrega_delivery', 'troca', 'elegivel_revisao',
       'dono_aceita_troca', 'veiculo_único_dono', 'revisoes_concessionaria',
       'ipva_pago', 'veiculo_licenciado', 'garantia_de_fábrica',
       'revisoes_dentro_agenda', 'veiculo_alienado', 'diferenca_ano', 'preco']]


plt.figure(figsize=(15, 10))
sns.heatmap(df.corr(numeric_only=True), annot=True, cmap=sns.diverging_palette(20, 220, n=200),)
plt.show()


plt.figure(figsize=(5, 6))
sns.heatmap(df.corr(numeric_only=True).vendedor_PJ.to_frame(), annot=True, cmap=sns.diverging_palette(20, 220, n=200),)
plt.ylabel('Features')
plt.title('Heatmap das correlações da variável `vendedor_PJ`')
plt.show()


print(f'Número de vendedores PF: {df.vendedor_PJ.value_counts()[False]} ({df.vendedor_PJ.value_counts()[False]/df.shape[0] * 100:.2f}%)')
print(f'Número de vendedores PJ: {df.vendedor_PJ.value_counts()[True]} ({df.vendedor_PJ.value_counts()[True]/df.shape[0] * 100:.2f}%)')

Número de vendedores PF: 17926 (60.59%)
Número de vendedores PJ: 11658 (39.41%)


df.groupby('vendedor_PJ').entrega_delivery.value_counts(normalize=True)

vendedor_PJ  entrega_delivery
False        False               1.00000
True         True                0.51321
             False               0.48679
Name: entrega_delivery, dtype: float64


df.groupby('vendedor_PJ').troca.value_counts(normalize=True)

vendedor_PJ  troca
False        False    1.000000
True         False    0.565878
             True     0.434122
Name: troca, dtype: float64


df.groupby('vendedor_PJ').dono_aceita_troca.value_counts(normalize=True)

vendedor_PJ  dono_aceita_troca
False        True                 0.572576
             False                0.427424
True         True                 1.000000
Name: dono_aceita_troca, dtype: float64


df.groupby('vendedor_PJ').num_fotos.value_counts()

vendedor_PJ  num_fotos
False        8            17672
             16              65
             15              57
             0               38
             14              31
             17              19
             9               12
             20              12
             13               9
             18               7
             11               2
             12               1
             19               1
True         15            2707
             16            2162
             14            1780
             8             1748
             17             966
             9              716
             13             708
             20             274
             18             241
             12             146
             0              139
             19              44
             11              19
             21               5
             10               3
Name: num_fotos, dtype: int64


print(f"Total de fotos quando o vendedor é PF: {df.groupby('vendedor_PJ').num_fotos.sum()[False]}")
print(f"Total de fotos quando o vendedor é PJ: {df.groupby('vendedor_PJ').num_fotos.sum()[True]}")

Total de fotos quando o vendedor é PF: 144672
Total de fotos quando o vendedor é PJ: 158921


df.groupby('vendedor_PJ').ipva_pago.value_counts(normalize=True)

vendedor_PJ  ipva_pago
False        True         0.768493
             False        0.231507
True         True         0.504632
             False        0.495368
Name: ipva_pago, dtype: float64


df.groupby('vendedor_PJ').revisoes_concessionaria.value_counts(normalize=True)

vendedor_PJ  revisoes_concessionaria
False        False                      0.541671
             True                       0.458329
True         False                      0.917996
             True                       0.082004
Name: revisoes_concessionaria, dtype: float64


df.groupby('vendedor_PJ').revisoes_dentro_agenda.value_counts(normalize=True)

vendedor_PJ  revisoes_dentro_agenda
False        False                     0.677675
             True                      0.322325
True         False                     0.988677
             True                      0.011323
Name: revisoes_dentro_agenda, dtype: float64


df.groupby('vendedor_PJ').garantia_de_fábrica.value_counts(normalize=True)

vendedor_PJ  garantia_de_fábrica
False        False                  0.780989
             True                   0.219011
True         False                  0.962343
             True                   0.037657
Name: garantia_de_fábrica, dtype: float64


df.groupby(['vendedor_PJ', 'veiculo_único_dono']).dono_aceita_troca.value_counts(normalize=True)

vendedor_PJ  veiculo_único_dono  dono_aceita_troca
False        False               True                 0.754610
                                 False                0.245390
             True                False                0.736383
                                 True                 0.263617
True         False               True                 1.000000
             True                True                 1.000000
Name: dono_aceita_troca, dtype: float64


ipva_aliquotas = pd.read_excel('./dataset/aliquotas_ipva.xlsx', decimal=',')
ipva_aliquotas


ipva_pago_estado = df.groupby('estado_vendedor')\
    .ipva_pago.value_counts(normalize=True)\
    .to_frame().rename(columns={'ipva_pago': 'frequencia'})\
    .reset_index()

ipva_pago_estado = ipva_pago_estado[ipva_pago_estado['ipva_pago'] == True].drop(columns=['ipva_pago'])

estado_ipva = ipva_pago_estado.merge(ipva_aliquotas, left_on='estado_vendedor', right_on='estado', how='left').drop(columns='estado')

estado_ipva


plt.figure(figsize=(5, 5))
sns.scatterplot(estado_ipva, x='aliquota', y='frequencia')
plt.xticks(np.arange(.02, .041, .01))
plt.xlabel('Alíquota')
plt.ylabel('Frequência de `ipva_pago`')
plt.title('Alíquota do IPVA x Frequência de `ipva_pago`')
plt.show()


estado_ipva.corr(numeric_only=True)


populacao_pib = pd.read_excel('./dataset/populacao_pib.xlsx')
populacao_pib


estados_vendas = df.groupby('estado_vendedor').agg({'preco': ['count', 'mean']}).preco.reset_index()

estados_vendas = estados_vendas \
    .merge(populacao_pib, left_on='estado_vendedor', right_on='estado', how='left') \
    .drop(columns='estado').rename(columns={'count': 'numero_vendas', 'mean': 'ticket_medio'})

estados_vendas


sns.heatmap(estados_vendas.corr(numeric_only=True), annot=True, cmap=sns.diverging_palette(20, 220, n=200), vmin=-1)
plt.show()

	id	num_fotos	marca	modelo	versao	ano_de_fabricacao	ano_modelo	hodometro	cambio	num_portas	tipo	blindado	cor	tipo_vendedor	cidade_vendedor	estado_vendedor	anunciante	entrega_delivery	troca	elegivel_revisao	dono_aceita_troca	veiculo_único_dono	revisoes_concessionaria	ipva_pago	veiculo_licenciado	garantia_de_fábrica	revisoes_dentro_agenda	veiculo_alienado	preco
0	300716223898539419613863097469899222392	8.0	NISSAN	KICKS	1.6 16V FLEXSTART SL 4P XTRONIC	2017	2017.0	67772.0	CVT	4	Sedã	N	Branco	PF	Rio de Janeiro	São Paulo (SP)	Pessoa Física	False	False	False	NaN	NaN	Todas as revisões feitas pela concessionária	IPVA pago	Licenciado	NaN	NaN	NaN	74732.590084
1	279639842134129588306469566150288644214	8.0	JEEP	COMPASS	2.0 16V FLEX LIMITED AUTOMÁTICO	2017	2017.0	62979.0	Automática	4	Sedã	N	Branco	PF	Belo Horizonte	Minas Gerais (MG)	Pessoa Física	False	False	False	Aceita troca	NaN	NaN	IPVA pago	NaN	NaN	NaN	NaN	81965.332634
2	56414460810621048900295678236538171981	16.0	KIA	SORENTO	2.4 16V GASOLINA EX 7L AWD AUTOMÁTICO	2018	2019.0	44070.0	Automática	4	Sedã	N	Preto	PJ	Santos	São Paulo (SP)	Loja	True	False	False	Aceita troca	NaN	NaN	NaN	NaN	NaN	NaN	NaN	162824.814472
3	56862509826849933428086372390159405545	14.0	VOLKSWAGEN	AMAROK	2.0 HIGHLINE 4X4 CD 16V TURBO INTERCOOLER DIES...	2013	2015.0	85357.0	Automática	4	Picape	N	Branco	PJ	Sorocaba	São Paulo (SP)	Loja	True	True	False	Aceita troca	NaN	NaN	IPVA pago	Licenciado	NaN	NaN	NaN	123681.358857
4	338980975753200343894519909855598027197	8.0	SSANGYONG	KORANDO	2.0 GLS 4X4 16V TURBO DIESEL 4P AUTOMÁTICO	2013	2015.0	71491.0	Automática	4	Utilitário esportivo	N	Preto	PF	Rio de Janeiro	Rio de Janeiro (RJ)	Pessoa Física	False	False	False	NaN	NaN	Todas as revisões feitas pela concessionária	NaN	NaN	Garantia de fábrica	Todas as revisões feitas pela agenda do carro	NaN	82419.763891

	count	mean	std	min	25%	50%	75%	max
num_fotos	29407.0	10.323834	3.487334	8.000000	8.000000	8.000000	14.000000	2.100000e+01
ano_de_fabricacao	29584.0	2016.758552	4.062422	1985.000000	2015.000000	2018.000000	2019.000000	2.022000e+03
ano_modelo	29584.0	2017.808985	2.673930	1997.000000	2016.000000	2018.000000	2020.000000	2.023000e+03
hodometro	29584.0	58430.592077	32561.769309	100.000000	31214.000000	57434.000000	81953.500000	3.900650e+05
num_portas	29584.0	3.940677	0.338360	2.000000	4.000000	4.000000	4.000000	4.000000e+00
veiculo_alienado	0.0	NaN	NaN	NaN	NaN	NaN	NaN	NaN
preco	29584.0	133023.879880	81662.872247	9869.950645	76571.768462	114355.796998	163679.617425	1.359813e+06

	count	sum	mean	std	min	max
num_fotos
8	19420	2642130265.090000	136052.020000	82100.750000	9869.950000	1154360.170000
15	2764	349779964.090000	126548.470000	83706.720000	13642.890000	1140112.650000
16	2227	284835737.390000	127901.090000	80310.090000	16264.970000	676234.220000
14	1811	225125529.490000	124310.070000	73021.060000	14011.650000	552000.550000
17	985	130169389.170000	132151.660000	92001.800000	16283.020000	1349747.710000
9	728	88645891.870000	121766.330000	38856.440000	29608.910000	317452.090000
13	717	86682623.760000	120896.270000	93676.560000	21656.420000	1359812.890000
20	286	48546249.770000	169742.130000	106116.040000	29328.120000	660950.460000
18	248	31472121.620000	126903.720000	82111.270000	21608.710000	642644.310000
0	177	20804623.670000	117540.250000	35033.000000	38412.090000	194826.940000
12	147	17590256.840000	119661.610000	64282.770000	31996.960000	378098.320000
19	45	5735860.960000	127463.580000	82366.970000	28378.720000	468150.890000
11	21	2523839.300000	120182.820000	56924.210000	44212.290000	279383.630000
21	5	1179733.230000	235946.650000	79037.040000	122998.440000	343686.480000
10	3	156376.130000	52125.380000	9540.350000	43993.870000	62627.530000

		quantidade
marca	modelo
JEEP	COMPASS	1480
PEUGEOT	2008	1431
AUDI	Q3	914
FIAT	TORO	902
TOYOTA	COROLLA	867
CHEVROLET	ONIX	855
BMW	320i	822
VOLKSWAGEN	AMAROK	725
VOLKSWAGEN	GOLF	697
TOYOTA	HILUX	648

		versao
marca	modelo
FORD	ECOSPORT	29
RENAULT	SANDERO	27
HYUNDAI	HB20	26
CHEVROLET	ONIX	25
CHEVROLET	S10	25
HONDA	CIVIC	24
AUDI	A3	22
FORD	RANGER	22
VOLKSWAGEN	FOX	22
FORD	FIESTA	21

Projeto Indicium - Lighthouse¶

O problema¶

I) Introdução¶

II) Análise das features¶

num_fotos¶

marca, modelo e versao¶

ano_de_fabricacao¶

ano_modelo¶

hodometro¶

cambio¶

num_portas¶

tipo¶

blindado¶

cor¶

tipo_vendedor¶

cidade_vendedor e estado_vendedor¶

anunciante¶

entrega_delivery¶

troca¶

elegivel_revisao¶

dono_aceita_troca¶

veiculo_único_dono¶

revisoes_concessionaria¶

ipva_pago¶

veiculo_licenciado¶

garantia_de_fábrica¶

revisoes_dentro_agenda¶

veiculo_alienado¶

preco¶

III) Perguntas propostas¶

a) Qual o melhor estado cadastrado na base de dados para se vender um carro de marca popular e por quê?¶

b) Qual o melhor estado para se comprar uma picape com transmissão automática e por quê?¶

c) Qual o melhor estado para se comprar carros que ainda estejam dentro da garantia de fábrica e por quê?¶

IV) Outras hipóteses¶

Hipótese 1: Vendedores PJ têm comportamentos diferentes de vendedores PF¶

Hipótese 2: `ipva_pago` é menos frequente em estados com alíquotas maiores¶

Hipótese 3: O número de vendas é maior a medida que o estado for mais populoso e o ticket médio é maior a medida que o PIB per capita cresce¶

V) Conclusões¶

	modelo
marca
MERCEDES-BENZ	74
BMW	50
CHEVROLET	29
VOLKSWAGEN	27
AUDI	24
FIAT	21
HYUNDAI	17
MITSUBISHI	16
FORD	16
RENAULT	13

	count	sum	mean	std	min	max
marca
VOLKSWAGEN	4594	541816761.430000	117940.090000	64307.660000	9869.950000	771701.880000
BMW	1784	357694116.720000	200501.190000	93841.350000	32086.060000	1019840.610000
TOYOTA	2180	340505449.110000	156195.160000	89191.350000	18528.460000	781750.380000
CHEVROLET	3020	281426805.570000	93187.680000	48755.520000	16264.970000	674366.330000
JEEP	2000	276734332.000000	138367.170000	48603.310000	31229.670000	412803.030000
AUDI	1698	271642220.080000	159977.750000	75142.240000	22140.450000	672933.090000
PEUGEOT	1675	205686373.770000	122797.840000	36905.170000	11606.400000	238684.790000
MERCEDES-BENZ	1125	198979624.010000	176870.780000	96623.240000	27882.010000	712798.860000
FIAT	1918	191246013.670000	99711.160000	46443.020000	13642.890000	332809.780000
HYUNDAI	2043	172469323.750000	84419.640000	34553.720000	25341.210000	361366.800000
LAND ROVER	760	169947539.980000	223615.180000	110280.310000	38663.680000	1349747.710000
HONDA	1586	159584454.110000	100620.720000	42634.130000	17197.110000	298075.390000
FORD	1060	135100246.000000	127453.060000	89350.330000	17167.430000	653173.280000
MITSUBISHI	862	122575786.150000	142199.290000	89396.620000	26041.990000	622754.220000
PORSCHE	349	110698376.960000	317187.330000	155129.380000	44462.950000	1359812.890000
VOLVO	287	57054984.570000	198797.860000	95075.050000	35778.170000	504148.110000
RAM	168	53963008.360000	321208.380000	104732.780000	119950.230000	1154360.170000
KIA	408	50287146.800000	123252.810000	53569.730000	26201.310000	398170.570000
NISSAN	438	47862589.850000	109275.320000	58314.810000	27584.950000	357269.050000
RENAULT	538	44465360.450000	82649.370000	39557.650000	15420.370000	258751.800000
JAGUAR	148	32588880.300000	220195.140000	79554.250000	55058.710000	436968.980000
TROLLER	177	26297004.490000	148570.650000	58185.450000	45778.290000	371164.960000
MINI	137	20033850.400000	146232.480000	66841.080000	40751.850000	421457.730000
CHERY	153	18622630.960000	121716.540000	41468.620000	52683.850000	238564.340000
CITROËN	194	14257929.830000	73494.480000	42942.320000	19757.200000	231444.510000
LEXUS	75	13870383.730000	184938.450000	58913.530000	21815.220000	327694.770000
SUBARU	41	5669191.030000	138272.950000	92903.050000	36700.200000	404233.180000
SUZUKI	41	3796795.830000	92604.780000	40169.970000	26834.820000	192079.280000
DODGE	37	2751714.670000	74370.670000	25801.570000	29085.540000	132105.440000
CHRYSLER	30	1877093.540000	62569.780000	24651.040000	28811.810000	120719.760000
MASERATI	7	1513038.730000	216148.390000	154917.040000	48954.380000	442765.730000
SSANGYONG	14	1189750.850000	84982.200000	47249.730000	37234.110000	170328.510000
SMART	12	1094914.760000	91242.900000	46812.370000	46074.430000	169896.350000
LIFAN	8	673293.970000	84161.750000	31536.590000	25195.990000	120895.510000
ALFA ROMEO	9	613552.890000	68172.540000	10404.090000	43378.850000	79559.600000
IVECO	2	302395.110000	151197.560000	3537.760000	148695.980000	153699.130000
JAC	3	283162.860000	94387.620000	38885.780000	64185.140000	138263.180000
FERRARI	1	114439.240000	114439.240000	nan	114439.240000	114439.240000
BRM	1	47762.670000	47762.670000	nan	47762.670000	47762.670000
EFFA	1	40163.180000	40163.180000	nan	40163.180000	40163.180000

	count	sum	mean	std	min	max
ano_de_fabricacao
2020	4729	702871216.290000	148629.990000	80156.350000	22935.930000	486869.600000
2017	4369	596779000.210000	136593.960000	82499.470000	16264.970000	683272.720000
2018	3820	569432874.820000	149066.200000	88275.740000	21414.770000	1349747.710000
2019	3880	563045159.600000	145114.730000	81102.230000	20759.090000	1154360.170000
2021	2614	371627144.440000	142168.000000	75306.890000	29678.390000	464786.420000
2013	2443	267275342.720000	109404.560000	73571.380000	21384.260000	739900.310000
2014	2221	258745833.110000	116499.700000	79480.470000	18729.070000	1359812.890000
2016	1822	243685996.460000	133746.430000	84603.170000	29400.900000	706087.580000
2015	1753	221918619.620000	126593.620000	78062.650000	14011.650000	1028431.260000
2012	509	49500752.610000	97250.990000	61747.540000	21423.510000	674366.330000
2008	117	7995735.960000	68339.620000	27859.070000	13642.890000	161030.480000
2007	121	7181705.360000	59352.940000	26501.250000	21031.790000	160157.080000
2001	95	5987993.080000	63031.510000	32279.390000	15953.200000	164922.900000
2011	75	5962924.900000	79505.670000	39434.680000	17911.210000	173276.830000
2009	82	5679085.840000	69257.140000	35373.250000	14302.710000	221455.150000
2006	88	5618458.450000	63846.120000	25717.810000	14562.300000	152438.340000
2022	37	5447768.530000	147236.990000	75862.710000	46892.300000	398047.500000
2010	83	5068233.360000	61063.050000	29100.810000	19725.190000	150396.280000
1999	80	4896375.830000	61204.700000	27404.470000	13576.400000	145151.970000
2002	80	4877276.410000	60965.960000	30086.360000	19906.360000	144046.670000
2000	81	4667346.870000	57621.570000	25006.800000	17167.430000	174045.760000
2003	72	4195078.980000	58264.990000	27570.960000	15420.370000	164807.460000
2005	62	4085325.800000	65892.350000	27886.820000	22761.350000	139352.430000
1998	66	3748555.260000	56796.290000	24371.870000	11606.400000	121421.180000
1997	61	3455310.460000	56644.430000	29922.490000	14464.690000	181941.380000
2004	55	3085940.240000	56108.000000	24261.810000	18525.080000	159002.210000
1996	58	3075549.110000	53026.710000	22597.240000	18544.760000	125309.700000
1995	34	1673936.680000	49233.430000	21729.330000	19026.030000	111279.820000
1994	31	1647441.720000	53143.280000	22065.880000	18528.460000	116814.150000
1993	15	688283.830000	45885.590000	28013.300000	20161.920000	115237.420000
1992	14	675311.010000	48236.500000	27808.780000	9869.950000	116786.260000
1991	10	535913.580000	53591.360000	23103.290000	23276.850000	101472.930000
1990	4	171481.460000	42870.360000	34480.500000	16782.040000	93421.290000
1988	2	52969.680000	26484.840000	3381.400000	24093.830000	28875.850000
1985	1	22520.070000	22520.070000	nan	22520.070000	22520.070000

	count	sum	mean	std	min	max
ano_modelo
2021	5071	721183775.130000	142217.270000	74798.620000	22935.930000	486869.600000
2017	4519	618773193.660000	136927.020000	82572.450000	16264.970000	1359812.890000
2018	4221	601078087.080000	142401.820000	86826.030000	21991.000000	966844.650000
2020	3541	535906034.830000	151343.130000	83385.130000	20759.090000	1154360.170000
2019	3587	533304218.190000	148676.950000	86553.090000	21414.770000	1349747.710000
2015	2386	276897932.500000	116051.100000	66479.560000	14011.650000	1028431.260000
2014	2377	268347009.890000	112893.150000	86487.280000	20452.090000	739900.310000
2016	890	114467881.260000	128615.600000	83912.490000	16289.990000	706087.580000
2022	829	111852267.610000	134924.330000	70696.550000	29678.390000	464786.420000
2013	1212	92879838.720000	76633.530000	41239.090000	13576.400000	446797.420000
2012	693	45689255.010000	65929.660000	34120.380000	9869.950000	288821.320000
2011	228	12449988.700000	54605.210000	25420.170000	14562.300000	159002.210000
2023	15	1542939.950000	102862.660000	33429.220000	62591.620000	188324.150000
2010	9	535091.900000	59454.660000	43356.520000	16782.040000	161030.480000
2008	4	324037.030000	81009.260000	37613.230000	58607.620000	137292.420000
1997	1	93842.540000	93842.540000	nan	93842.540000	93842.540000
2006	1	53068.360000	53068.360000	nan	53068.360000	53068.360000

	id	num_fotos	marca	modelo	versao	ano_de_fabricacao	ano_modelo	hodometro	cambio	num_portas	tipo	blindado	cor	tipo_vendedor	cidade_vendedor	estado_vendedor	anunciante	entrega_delivery	troca	elegivel_revisao	dono_aceita_troca	veiculo_único_dono	revisoes_concessionaria	ipva_pago	veiculo_licenciado	garantia_de_fábrica	revisoes_dentro_agenda	veiculo_alienado	preco
590	317058348344627599337634039380150700902	8	VOLKSWAGEN	GOL	1.6 MI POWER 8V FLEX 4P MANUAL G.III	1985	2013	192182.0	Manual	4	Sedã	N	Prata	PF	Pomerode	Rio Grande do Sul (RS)	Pessoa Física	False	False	False	NaN	NaN	NaN	IPVA pago	Licenciado	NaN	NaN	NaN	22520.067767
13276	51936966583809049009169550364057097722	8	PEUGEOT	307	2.0 GRIFFE 16V GASOLINA 4P AUTOMÁTICO	1988	2011	163780.0	Automática	4	Hatchback	N	Prata	PF	Muzambinho	Rio Grande do Sul (RS)	Pessoa Física	False	False	False	NaN	NaN	Todas as revisões feitas pela concessionária	IPVA pago	NaN	NaN	Todas as revisões feitas pela agenda do carro	NaN	24093.833734
19658	64369313258166945961672474305820655846	8	VOLKSWAGEN	FUSCA	1.6 8V GASOLINA 2P MANUAL	1988	2011	3548.0	Manual	4	Perua/SW	N	Prata	PF	Rio de Janeiro	São Paulo (SP)	Pessoa Física	False	False	False	NaN	NaN	NaN	IPVA pago	NaN	NaN	NaN	NaN	28875.849751
20366	122284606262184123093871909474981352865	8	LAND ROVER	DISCOVERY 3	2.7 HSE 4X4 V6 24V TURBO DIESEL 4P AUTOMÁTICO	1990	2012	106774.0	Automática	4	Sedã	N	Preto	PF	São Caetano do Sul	São Paulo (SP)	Pessoa Física	False	False	False	Aceita troca	NaN	Todas as revisões feitas pela concessionária	IPVA pago	Licenciado	NaN	NaN	NaN	93421.288023
1156	120618350228284858326813530052157947976	16	FIAT	PALIO	1.3 MPI FIRE ELX WEEKEND 8V FLEX 4P MANUAL	1990	2013	171889.0	Manual	4	Hatchback	N	Prata	PJ	Ribeirão Pires	São Paulo (SP)	Loja	True	True	False	Aceita troca	NaN	NaN	NaN	NaN	NaN	NaN	NaN	26669.839995

	count	sum	mean	std	min	max
diferenca_ano
1	14177	1910755072.440000	134778.520000	79523.790000	16289.990000	1349747.710000
0	12119	1702727993.800000	140500.700000	85418.910000	14011.650000	1140112.650000
2	1767	208972520.340000	118264.020000	66121.310000	17911.210000	674366.330000
3	334	39996785.200000	119750.850000	96850.200000	21639.390000	1359812.890000
4	130	10286253.990000	79125.030000	47633.770000	13642.890000	298571.480000
5	119	7652507.370000	64306.780000	25925.310000	14562.300000	153921.760000
6	88	5655331.420000	64265.130000	28540.680000	25553.690000	160157.080000
12	87	5171982.010000	59448.070000	32154.320000	16283.020000	174045.760000
11	80	5074810.510000	63435.130000	28410.770000	15953.200000	149952.930000
10	78	4763809.040000	61074.470000	28519.620000	19906.360000	164807.460000
13	82	4724216.430000	57612.400000	25483.810000	17720.560000	150181.930000
7	71	4271747.090000	60165.450000	27945.210000	18525.080000	159002.210000
15	69	4255992.090000	61681.040000	28517.200000	14464.690000	134619.530000
14	68	3842995.430000	56514.640000	25548.500000	11606.400000	145151.970000
8	62	3784749.400000	61044.350000	24963.690000	15420.370000	124013.340000
9	63	3648061.260000	57905.730000	26031.750000	22140.450000	140291.430000
16	58	3018818.280000	52048.590000	20730.260000	18544.760000	119400.350000
17	40	2227222.210000	55680.560000	31072.120000	18528.460000	181941.380000
18	36	1694484.790000	47069.020000	20635.980000	20161.920000	116814.150000
19	18	863994.000000	47999.670000	18611.100000	24047.310000	98399.710000
20	15	809916.260000	53994.420000	32951.350000	9869.950000	115237.420000
21	11	603681.520000	54880.140000	25578.360000	26805.100000	116786.260000
22	7	438749.610000	62678.520000	25764.390000	34948.740000	101472.930000
23	4	114247.810000	28561.950000	4479.610000	24093.830000	34608.280000
28	1	22520.070000	22520.070000	nan	22520.070000	22520.070000

	id	num_fotos	marca	modelo	versao	ano_de_fabricacao	ano_modelo	hodometro	cambio	num_portas	tipo	blindado	cor	tipo_vendedor	cidade_vendedor	estado_vendedor	anunciante	entrega_delivery	troca	elegivel_revisao	dono_aceita_troca	veiculo_único_dono	revisoes_concessionaria	ipva_pago	veiculo_licenciado	garantia_de_fábrica	revisoes_dentro_agenda	veiculo_alienado	preco	diferenca_ano
19895	126955414445370751127432133125076302039	8	FORD	TRANSIT	2.4 FURGÃO LONGO TURBO DIESEL 3P MANUAL	2001	2012	390065.0	Manual	2	Picape	N	Branco	PF	Campinas	São Paulo (SP)	Pessoa Física	False	False	False	Aceita troca	NaN	NaN	IPVA pago	Licenciado	NaN	NaN	NaN	122236.968801	11
591	176459444870073105374190357587524594057	8	FIAT	COUPÉ	2.0 16V GASOLINA 2P MANUAL	1997	2012	379155.0	Manual	2	Picape	N	Prata	PF	Santos	São Paulo (SP)	Pessoa Física	False	False	False	Aceita troca	NaN	NaN	IPVA pago	Licenciado	NaN	NaN	NaN	45647.183036	15
4960	255524433019265656171123303995467059480	8	FORD	RANGER	2.8 XLT LIMITED 4X4 CD 8V TURBO INTERCOOLER DI...	1991	2013	376712.0	Manual	2	Picape	N	Prata	PF	São Paulo	São Paulo (SP)	Pessoa Física	False	False	False	Aceita troca	NaN	Todas as revisões feitas pela concessionária	IPVA pago	Licenciado	NaN	Todas as revisões feitas pela agenda do carro	NaN	66526.753957	22
25466	266733556249083435259295458504902452434	8	FORD	RANGER	4.0 STX 4X2 CE V6 12V GASOLINA 2P MANUAL	1994	2012	309465.0	Manual	2	Picape	N	Prata	PF	Serraria	Rio de Janeiro (RJ)	Pessoa Física	False	False	False	Aceita troca	NaN	NaN	IPVA pago	NaN	NaN	NaN	NaN	47107.361433	18
25256	264844634239316365552041657795969597881	8	MERCEDES-BENZ	C 180	1.8 CLASSIC PLUS GASOLINA 4P AUTOMÁTICO	1999	2014	237288.0	Automática	4	Sedã	N	Preto	PF	Guarulhos	São Paulo (SP)	Pessoa Física	False	False	False	NaN	NaN	NaN	IPVA pago	Licenciado	NaN	NaN	NaN	30932.412728	15

	count	sum	mean	std	min	max
cambio
Automática	22545	3292646638.880000	146047.760000	84686.120000	15953.200000	1359812.890000
Manual	4989	402677444.190000	80713.060000	48535.580000	9869.950000	1140112.650000
CVT	1792	206487237.200000	115227.250000	42801.640000	21414.770000	348983.270000
Automatizada	139	17368936.570000	124956.380000	94326.840000	28954.030000	416020.330000
Automatizada DCT	53	10893809.680000	205543.580000	115358.970000	71797.850000	564073.940000
Semi-automática	41	3859109.940000	94124.630000	49601.360000	30359.740000	232694.310000
Automática Sequencial	25	1445285.920000	57811.440000	28604.770000	22761.350000	128081.350000

	marca	modelo	versao	cambio
19	CHEVROLET	ONIX	1.0 TURBO FLEX PLUS PREMIER AUTOMÁTICO	Manual
343	JEEP	RENEGADE	1.8 16V FLEX LONGITUDE 4P AUTOMÁTICO	Manual
533	CHEVROLET	ONIX	1.0 TURBO FLEX PLUS PREMIER AUTOMÁTICO	Manual
794	HYUNDAI	HB20	1.6 16V FLEX VISION AUTOMÁTICO	Manual
1091	PEUGEOT	2008	1.6 16V FLEX GRIFFE 4P AUTOMÁTICO	Manual
...	...	...	...	...
27592	TOYOTA	HILUX SW4	3.0 SRV 4X4 16V TURBO INTERCOOLER DIESEL 4P AU...	Manual
27875	BMW	M 240i	3.0 24V TURBO GASOLINA 2P AUTOMÁTICO	Manual
28233	CHEVROLET	ONIX	1.0 TURBO FLEX PREMIER AUTOMÁTICO	Manual
28355	PEUGEOT	2008	1.6 16V FLEX CROSSWAY 4P AUTOMÁTICO	Manual
29484	CHEVROLET	ONIX	1.0 TURBO FLEX LT AUTOMÁTICO	Manual

	marca	modelo	versao	cambio
1050	FORD	RANGER	2.5 XLT 4X2 CD 16V FLEX 4P MANUAL	Automática
2666	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
2833	VOLKSWAGEN	SPACE CROSS	1.6 MI 8V FLEX 4P MANUAL	Semi-automática
4992	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
5907	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
7106	MINI	COOPER	1.6 S JOHN COOPER WORKS 16V TURBO GASOLINA 2P ...	Automática
8178	HYUNDAI	HB20	1.6 COMFORT PLUS 16V FLEX 4P MANUAL	Automática
9169	FIAT	MOBI	1.0 EVO FLEX LIKE. MANUAL	Automática
9425	CHEVROLET	SPIN	1.8 LTZ 8V FLEX 4P MANUAL	Automática
10320	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
10701	CHEVROLET	ONIX	1.0 TURBO FLEX LTZ MANUAL	Automática
11535	CHEVROLET	ONIX	1.0 TURBO FLEX LTZ MANUAL	Automática
13545	MINI	COOPER	1.6 COUPÉ JOHN COOPER WORKS 16V TURBO GASOLINA...	Automática
13838	FIAT	PALIO	1.8 MPI ADVENTURE WEEKEND 16V FLEX 4P MANUAL	Automatizada
14456	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
15405	MINI	COOPER	2.0 S EXCLUSIVE 16V TURBO GASOLINA 2P MANUAL	Automática
16910	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
17034	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
17898	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
18027	MINI	COOPER	2.0 S EXCLUSIVE 16V TURBO GASOLINA 2P MANUAL	Automática
18333	FORD	RANGER	2.5 XLT 4X2 CD 16V FLEX 4P MANUAL	Automática
18365	FIAT	PALIO	1.8 MPI ADVENTURE WEEKEND 16V FLEX 4P MANUAL	Automatizada
18515	CHEVROLET	SPIN	1.8 LTZ 8V FLEX 4P MANUAL	Automática
19448	FORD	RANGER	2.5 XLT 4X2 CD 16V FLEX 4P MANUAL	Automática
19538	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
20048	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
20061	FIAT	ARGO	1.8 E.TORQ FLEX HGT MANUAL	Automática
21037	CHEVROLET	PRISMA	1.4 MPFI MAXX 8V FLEX 4P MANUAL	Automática
21272	FORD	ECOSPORT	1.6 SE 16V FLEX 4P MANUAL	Automática
22862	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
24042	VOLKSWAGEN	SPACE CROSS	1.6 MI 8V FLEX 4P MANUAL	Semi-automática
24377	HYUNDAI	HB20	1.0 12V FLEX VISION MANUAL	Automática
24637	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
24717	FORD	RANGER	2.5 XLT 4X2 CD 16V FLEX 4P MANUAL	Automática
25044	FORD	RANGER	2.5 XLT 4X2 CD 16V FLEX 4P MANUAL	Automática
26467	FIAT	ARGO	1.8 E.TORQ FLEX HGT MANUAL	Automática
27049	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
27743	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
28327	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática
28465	FIAT	TORO	1.8 16V EVO FLEX ENDURANCE MANUAL	Automática

	count	sum	mean	std	min	max
cambio
Automática	23624	3402152101.620000	144012.530000	83802.490000	15953.200000	1359812.890000
Manual	4931	396162675.160000	80341.240000	48302.150000	9869.950000	1140112.650000
CVT	912	117014721.970000	128305.620000	42163.530000	34475.680000	283781.750000
Automatizada DCT	46	9722540.550000	211359.580000	122018.230000	71797.850000	564073.940000
Automatizada	58	9352823.860000	161255.580000	103915.320000	30407.520000	397694.230000
Semi-automática	6	645096.670000	107516.110000	76086.270000	54248.300000	232694.310000
Automática Sequencial	7	328502.560000	46928.940000	24921.850000	22761.350000	84600.260000

	count	sum	mean	std	min	max
num_portas
4	28697	3786996496.920000	131964.890000	79639.560000	9869.950000	1349747.710000
2	868	146597926.740000	168891.620000	127348.330000	17720.560000	1359812.890000
3	19	1784038.720000	93896.770000	48310.190000	26982.470000	179691.610000

		median
	num_portas	2	3	4
marca	modelo
AUDI	A3	311678.464233	nan	138227.934992
	A5	219251.395064	nan	208534.639670
	TT	222843.979264	nan	275925.563195
	TT RS	531828.182741	nan	296409.889517
	TTS	230116.824667	nan	406699.181700
BMW	428i	215033.291274	nan	181411.094792
	430i	212188.922368	nan	218734.096241
	M 135i	238743.284426	nan	225702.530978
	M 235i	198678.027363	nan	299141.343318
	M 240i	207648.122907	nan	278610.189755
	M2	325382.506944	nan	331074.053505
	M3	188315.122232	nan	294766.453459
	Z4	271977.422439	nan	328755.167251
CHEVROLET	CAMARO	216656.309437	nan	210157.284319
	CORSA	32229.093534	nan	45666.709976
	MONTANA	72059.399099	51710.916072	59900.622250
	S10	176476.092108	nan	147356.659666
CITROËN	JUMPY	178242.643976	nan	175722.408719
DODGE	DAKOTA	73384.844768	nan	88251.848804
FIAT	DOBLÒ	163089.395071	nan	73900.542387
	DUCATO	133993.069535	163758.616520	112675.991612
	FIORINO	124212.560994	114683.236482	81141.181203
	PALIO	153647.432417	nan	42890.956005
	STRADA	58426.615991	61047.255588	67399.125447
	TORO	124601.775458	nan	122802.860936
FORD	F-1000	64628.193405	nan	76874.479927
	KA	21031.793774	nan	52197.037119
	MUSTANG	262614.540502	nan	289455.984757
	RANGER	237936.662942	nan	181652.067512
	TRANSIT	122236.968801	nan	87551.315805
HONDA	CIVIC	207793.208557	nan	108633.121716
HONDA	FIT	47967.208934	nan	74297.267432
HYUNDAI	HR	122276.795488	nan	152177.839625
KIA	BONGO	148269.181379	nan	138710.694017
	CERATO	111701.592227	nan	80544.644176
	SORENTO	112453.697759	nan	120857.810781
MERCEDES-BENZ	AMG GT	458765.035247	nan	220475.329022
	C 180	165971.129601	nan	152659.200869

	marca	modelo
9717	CHEVROLET	ASTRA
5690	CHEVROLET	CORSA
19492	CHEVROLET	D20
117	CHEVROLET	MONTANA
1938	CHEVROLET	OMEGA
190	CHEVROLET	S10
9254	CHEVROLET	SILVERADO
5668	CHEVROLET	ZAFIRA
4658	DODGE	DAKOTA
21484	DODGE	RAM
54	FIAT	STRADA
1674	FORD	F-1000
2552	FORD	F-250
107	FORD	RANGER
3606	KIA	BONGO
629	MITSUBISHI	L200
9340	MITSUBISHI	L200 OUTDOOR
216	MITSUBISHI	L200 TRITON
167	NISSAN	FRONTIER
7159	RAM	1500
351	RAM	2500
105	TOYOTA	HILUX
3	VOLKSWAGEN	AMAROK
45	VOLKSWAGEN	SAVEIRO

	id	num_fotos	marca	modelo	versao	ano_de_fabricacao	ano_modelo	hodometro	cambio	num_portas	tipo	blindado	cor	tipo_vendedor	cidade_vendedor	estado_vendedor	anunciante	entrega_delivery	troca	elegivel_revisao	dono_aceita_troca	veiculo_único_dono	revisoes_concessionaria	ipva_pago	veiculo_licenciado	garantia_de_fábrica	revisoes_dentro_agenda	veiculo_alienado	preco	diferenca_ano
734	63833503557727963117144856024451837146	15	FIAT	DUCATO	2.3 MULTIJET DIESEL MAXICARGO MANUAL	2019	2020	25359.0	Manual	3	Picape	N	Branco	PJ	São José do Rio Preto	São Paulo (SP)	Loja	True	True	False	Aceita troca	NaN	NaN	NaN	NaN	NaN	NaN	NaN	163758.616520	1
791	52406443374972496219439907843051712946	14	VOLKSWAGEN	SAVEIRO	1.6 CROSS CE 16V FLEX 2P MANUAL	2015	2016	95656.0	Manual	3	Picape	N	Branco	PJ	Guaíba	Rio de Janeiro (RJ)	Loja	True	True	False	Aceita troca	NaN	NaN	NaN	NaN	NaN	NaN	NaN	125619.258582	1
2047	221840944585208773857515626266413117720	14	MERCEDES-BENZ	CLC 200 K	1.8 KOMPRESSOR 16V GASOLINA 2P AUTOMATICO	1999	2014	153909.0	Automática	3	Picape	N	Prata	PJ	Ribeirão Pires	São Paulo (SP)	Loja	True	True	False	Aceita troca	NaN	NaN	IPVA pago	Licenciado	NaN	NaN	NaN	134619.532624	15
2660	209052999009686863855587096190582220393	8	RENAULT	SANDERO	1.6 16V SCE FLEX STEPWAY MANUAL	2017	2018	80189.0	Manual	3	Picape	N	Branco	PJ	Taboão da Serra	São Paulo (SP)	Loja	True	True	False	Aceita troca	Único dono	Todas as revisões feitas pela concessionária	NaN	NaN	NaN	Todas as revisões feitas pela agenda do carro	NaN	61088.508200	1
4411	208623035278673781563602245202263825307	13	TOYOTA	HILUX	3.0 SRV 4X4 CD 16V TURBO INTERCOOLER DIESEL 4P...	2014	2015	89398.0	Automática	3	Picape	N	Branco	PJ	Rio de Janeiro	Rio de Janeiro (RJ)	Loja	True	True	False	Aceita troca	NaN	NaN	IPVA pago	Licenciado	NaN	NaN	NaN	112589.345348	1

	versao	num_portas	0
4	1.3 FIREFLY FLEX FREEDOM CD MANUAL	4	7
2	1.3 FIREFLY FLEX FREEDOM CS MANUAL	4	39
10	1.3 FIREFLY FLEX FREEDOM CS MANUAL	2	3
5	1.3 FIREFLY FLEX VOLCANO CD MANUAL	4	6
6	1.4 FIRE FLEX ENDURANCE CD MANUAL	4	6

	marca	versao	tipo
29409	FORD	1.0 MPI 8V FLEX 2P MANUAL	Picape
16305	FORD	1.0 MPI 8V FLEX 2P MANUAL	Hatchback
9177	FORD	1.0 TI-VCT FLEX SE MANUAL	Picape
9347	FORD	1.0 TI-VCT FLEX SE MANUAL	Hatchback
11350	FORD	1.0 TI-VCT FLEX SE PLUS MANUAL	Hatchback
2900	FORD	1.0 TI-VCT FLEX SE PLUS SEDAN MANUAL	Sedã
18060	FORD	1.0 TI-VCT FLEX SE SEDAN MANUAL	Sedã
27653	FORD	1.0 TI-VCT FLEX SE SEDAN MANUAL	Hatchback
2862	FORD	1.0 TI-VCT FLEX SEL MANUAL	Sedã
16915	FORD	1.0 TI-VCT FLEX TECNO MANUAL	Sedã
25921	FORD	1.0 TI-VCT FLEX TECNO MANUAL	Hatchback
28054	FORD	1.5 SIGMA FLEX SE MANUAL	Hatchback
6031	FORD	1.5 SIGMA FLEX SE MANUAL	Picape
26303	FORD	1.5 SIGMA FLEX SE PLUS MANUAL	Hatchback
19721	FORD	1.5 SIGMA FLEX SEL MANUAL	Picape
27368	FORD	1.5 TI-VCT FLEX FREESTYLE AUTOMÁTICO	Hatchback
23403	FORD	1.5 TI-VCT FLEX FREESTYLE MANUAL	Hatchback
1816	FORD	1.5 TI-VCT FLEX FREESTYLE MANUAL	Sedã
5965	FORD	1.5 TI-VCT FLEX SE AUTOMÁTICO	Hatchback
20549	FORD	1.5 TI-VCT FLEX SE MANUAL	Hatchback
15574	FORD	1.5 TI-VCT FLEX SE PLUS AUTOMÁTICO	Hatchback
2454	FORD	1.5 TI-VCT FLEX SE PLUS MANUAL	Hatchback
8023	FORD	1.5 TI-VCT FLEX SE PLUS SEDAN AUTOMÁTICO	Sedã
5977	FORD	1.5 TI-VCT FLEX SE SEDAN AUTOMÁTICO	Sedã
5868	FORD	1.5 TI-VCT FLEX SE SEDAN MANUAL	Sedã
14312	FORD	1.5 TI-VCT FLEX TITANIUM SEDAN AUTOMÁTICO	Sedã

	marca	modelo	versao	tipo
366	AUDI	S3	2.0 TFSI SEDAN QUATTRO GASOLINA 4P S-TRONIC	Hatchback
425	BMW	535i	3.0 SEDAN 6 CILINDROS 24V TURBO GASOLINA 4P AU...	Utilitário esportivo
812	MERCEDES-BENZ	A 200	1.3 CGI GASOLINA STYLE SEDAN 7G-DCT	Picape
942	AUDI	A3	2.0 TFSI SEDAN AMBITION 16V GASOLINA 4P S-TRONIC	Hatchback
996	FORD	FOCUS	2.0 SE PLUS SEDAN 16V FLEX 4P POWERSHIFT	Utilitário esportivo
...	...	...	...	...
28547	MERCEDES-BENZ	C 350	3.5 CGI SPORT SEDAN V6 GASOLINA 4P AUTOMÁTICO	Utilitário esportivo
28851	AUDI	A3	2.0 TFSI SEDAN AMBITION 16V GASOLINA 4P S-TRONIC	Hatchback
28944	AUDI	A3	1.4 TFSI SEDAN AMBIENTE 16V FLEX 4P TIPTRONIC	Hatchback
29046	AUDI	A3	2.0 TFSI GASOLINA SEDAN PERFORMANCE BLACK S-TR...	Utilitário esportivo
29555	BMW	M3	3.0 I6 GASOLINA SEDAN AUTOMÁTICO	Hatchback

	marca	modelo	versao	tipo
1788	FORD	FIESTA	1.6 SE HATCH 16V FLEX 4P MANUAL	Sedã
5307	FORD	FIESTA	1.5 S HATCH 16V FLEX 4P MANUAL	Picape
10640	FORD	FIESTA	1.6 MPI CLASS HATCH 8V FLEX 4P MANUAL	Sedã
14599	BMW	120i	2.0 HATCH 16V GASOLINA 2P AUTOMÁTICO	Picape
14652	FORD	FIESTA	1.6 SEL HATCH 16V FLEX 4P POWERSHIFT	Sedã
14751	CHEVROLET	VECTRA	2.0 SFI GT HATCH 8V FLEX 4P MANUAL	Perua/SW
16650	FORD	FIESTA	1.0 ECOBOOST TITANIUM PLUS HATCH 12V GASOLINA ...	Sedã
17984	FORD	FIESTA	1.6 SE STYLE HATCH 16V FLEX 4P MANUAL	Sedã
24180	BMW	130i	3.0 SPORT HATCH 24V GASOLINA 4P AUTOMÁTICO	Picape

	marca	modelo	versao	tipo
32	BMW	X6	3.0 35I 4X4 COUPÉ 6 CILINDROS 24V GASOLINA 4P ...	Sedã
395	AUDI	TT	2.0 TFSI COUPÉ AMBITION 2P GASOLINA S-TRONIC	Picape
569	BMW	218i	1.5 TWINTURBO GASOLINA GRAN COUPE SPORT GP STE...	Sedã
618	MERCEDES-BENZ	C 180	1.6 CGI GASOLINA AVANTGARDE COUPÉ 9G-TRONIC	Picape
878	AUDI	TT	2.0 TFSI COUPÉ AMBITION 2P GASOLINA S-TRONIC	Picape
...	...	...	...	...
29065	MERCEDES-BENZ	C 180	1.6 CGI GASOLINA SPORT COUPÉ 9G-TRONIC	Picape
29074	BMW	X6	4.4 M SPORT 4X4 COUPÉ V8 32V BI-TURBO GASOLINA...	Sedã
29278	BMW	M6	4.4 GRAN COUPÉ V8 32V GASOLINA 4P AUTOMÁTICO	Hatchback
29498	MERCEDES-BENZ	GLC 250	2.0 CGI GASOLINA COUPÉ 4MATIC 9G-TRONIC	Utilitário esportivo
29516	BMW	M2	3.0 24V I6 GASOLINA COUPÉ M DCT	Picape

	marca	modelo	versao
19386	CHEVROLET	ASTRA	1.8 MPFI GL 8V GASOLINA 2P MANUAL
24554	CHEVROLET	ASTRA	1.8 MPFI GL SEDAN 8V GASOLINA 4P MANUAL
3021	CHEVROLET	ASTRA	2.0 MPFI ADVANTAGE 8V FLEX 4P MANUAL
29048	CHEVROLET	ASTRA	2.0 MPFI ADVANTAGE SEDAN 8V FLEX 4P AUTOMÁTICO
6951	CHEVROLET	ASTRA	2.0 MPFI ADVANTAGE SEDAN 8V FLEX 4P MANUAL
9717	CHEVROLET	ASTRA	2.0 MPFI CD SEDAN 8V GASOLINA 4P AUTOMÁTICO
6868	CHEVROLET	ASTRA	2.0 MPFI SPORT 8V GASOLINA 2P MANUAL
1938	CHEVROLET	OMEGA	3.6 SFI CD V6 24V GASOLINA 4P AUTOMÁTICO
5668	CHEVROLET	ZAFIRA	2.0 MPFI CD 8V GASOLINA 4P AUTOMÁTICO
6547	CHEVROLET	ZAFIRA	2.0 MPFI COMFORT 8V FLEX 4P MANUAL
5714	CHEVROLET	ZAFIRA	2.0 MPFI ELITE 8V FLEX 4P AUTOMÁTICO
4533	CHEVROLET	ZAFIRA	2.0 MPFI EXPRESSION 8V FLEX 4P AUTOMÁTICO

	count	sum	mean	std	min	max
tipo
Sedã	16429	1941775322.700000	118191.940000	58672.730000	9869.950000	711460.360000
Picape	4849	770536216.250000	158906.210000	101431.040000	13642.890000	1359812.890000
Utilitário esportivo	3322	751180570.060000	226122.990000	93074.690000	37736.810000	1349747.710000
Hatchback	4924	457713457.970000	92955.620000	55304.900000	13576.400000	676234.220000
Cupê	26	10744769.350000	413260.360000	187260.920000	141792.180000	1019840.610000
Perua/SW	27	2971606.710000	110059.510000	138245.330000	18378.040000	660950.460000
Minivan	7	456519.340000	65217.050000	22929.310000	40500.340000	93123.280000

	count	sum	mean	std	min	max
tipo
Sedã	16373	1925912408.660000	117627.340000	58358.660000	9869.950000	711460.360000
Picape	5251	821394285.860000	156426.260000	99012.900000	13642.890000	1359812.890000
Utilitário esportivo	3206	720251293.870000	224657.300000	92358.610000	37736.810000	1349747.710000
Hatchback	4425	388904039.420000	87887.920000	49340.010000	13576.400000	676234.220000
Cupê	300	76218095.170000	254060.320000	120992.450000	18528.460000	1019840.610000
Perua/SW	22	2241820.060000	101900.910000	142616.960000	18378.040000	660950.460000
Minivan	7	456519.340000	65217.050000	22929.310000	40500.340000	93123.280000

	count	sum	mean	std	min	max
blindado
False	29336	3883061168.730000	132365.050000	80800.070000	9869.950000	1359812.890000
True	248	52317293.650000	210956.830000	131125.660000	37388.930000	676721.300000

Projeto Indicium - Lighthouse¶

O problema¶

I) Introdução¶

II) Análise das features¶

num_fotos¶

marca, modelo e versao¶

ano_de_fabricacao¶

ano_modelo¶

hodometro¶

cambio¶

num_portas¶

tipo¶

blindado¶

cor¶

tipo_vendedor¶

cidade_vendedor e estado_vendedor¶

anunciante¶

entrega_delivery¶

troca¶

elegivel_revisao¶

dono_aceita_troca¶

veiculo_único_dono¶

revisoes_concessionaria¶

ipva_pago¶

veiculo_licenciado¶

garantia_de_fábrica¶

revisoes_dentro_agenda¶

veiculo_alienado¶

preco¶

III) Perguntas propostas¶

a) Qual o melhor estado cadastrado na base de dados para se vender um carro de marca popular e por quê?¶

b) Qual o melhor estado para se comprar uma picape com transmissão automática e por quê?¶

c) Qual o melhor estado para se comprar carros que ainda estejam dentro da garantia de fábrica e por quê?¶

IV) Outras hipóteses¶

Hipótese 1: Vendedores PJ têm comportamentos diferentes de vendedores PF¶

Hipótese 2: ipva_pago é menos frequente em estados com alíquotas maiores¶

Hipótese 3: O número de vendas é maior a medida que o estado for mais populoso e o ticket médio é maior a medida que o PIB per capita cresce¶

V) Conclusões¶

Hipótese 2: `ipva_pago` é menos frequente em estados com alíquotas maiores¶

	count	sum	mean	std	min	max
cor
Branco	20949	2726714751.770000	130159.660000	74792.760000	14011.650000	1359812.890000
Preto	5256	719773724.080000	136943.250000	103635.890000	11606.400000	1154360.170000
Cinza	1634	322040446.210000	197087.180000	82219.850000	63561.510000	486869.600000
Prata	1741	166555368.020000	95666.500000	43005.520000	9869.950000	203786.370000
Dourado	2	177456.720000	88728.360000	4329.450000	85666.980000	91789.740000
Verde	1	60668.800000	60668.800000	nan	60668.800000	60668.800000
Vermelho	1	56046.780000	56046.780000	nan	56046.780000	56046.780000

	count	sum	mean	std	min	max
vendedor_PJ
False	17926	2490229755.230000	138917.200000	84095.570000	9869.950000	1154360.170000
True	11658	1445148707.150000	123961.980000	76901.230000	13642.890000	1359812.890000

	0
cidade_vendedor
São Paulo	6158
Rio de Janeiro	5793
Belo Horizonte	2172
Presidente Prudente	1536
Goiânia	1396
Medianeira	1197
Campinas	828
São José do Rio Preto	768
Porto Alegre	662
Ribeirão Preto	623

	0
estado_vendedor
São Paulo (SP)	16378
Rio de Janeiro (RJ)	2548
Paraná (PR)	2526
Santa Catarina (SC)	2302
Minas Gerais (MG)	1775
Rio Grande do Sul (RS)	1646
Goiás (GO)	789
Bahia (BA)	604
Pernambuco (PE)	318
Alagoas (AL)	125

	count	sum	mean	std	min	max
anunciante
Pessoa Física	17999	2499610399.850000	138874.960000	84089.890000	9869.950000	1154360.170000
Loja	9879	1210197357.240000	122502.010000	78142.250000	13642.890000	1359812.890000
Concessionária	1702	225256305.310000	132348.010000	68477.990000	29624.190000	563706.680000
Acessórios e serviços para autos	4	314399.980000	78599.990000	25415.050000	42554.540000	101221.940000

	count	sum	mean	std	min	max
entrega_delivery
False	23601	3204926326.940000	135796.210000	81989.520000	9869.950000	1349747.710000
True	5983	730452135.440000	122087.940000	79429.870000	13642.890000	1359812.890000

	count	sum	mean	std	min	max
troca
False	24523	3310765416.530000	135006.540000	81465.470000	9869.950000	1349747.710000
True	5061	624613045.850000	123416.920000	81944.130000	13642.890000	1359812.890000

	count	sum	mean	std	min	max
dono_aceita_troca
True	21922	3002096187.940000	136944.450000	85814.900000	9869.950000	1359812.890000
False	7662	933282274.450000	121806.610000	67157.610000	11606.400000	634313.010000

	count	mean	median	std
veiculo_único_dono
False	19161	128559.986683	106966.355424	84655.561853
True	10423	141230.025669	125767.859016	75169.334800

	count	mean	median	std
revisoes_concessionaria
False	20412	123207.729899	105427.457768	76450.153810
True	9172	154869.415578	136218.519048	88386.359654